-
公开(公告)号:CN119973993A
公开(公告)日:2025-05-13
申请号:CN202510232858.9
申请日:2025-02-28
Applicant: 贵州大学
IPC: B25J9/16
Abstract: 本发明的基于深度强化学习的机器人抓取方法及系统,包括:安装机器人、深度相机,初始化环境模型,构建马尔可夫决策模型;设定机器人的控制方式,结合环境,确定所述状态空间、动作空间;基于融合双重回放缓存机制的深度强化学习算法,为机器人抓取任务提供改进的深度强化学习控制策略;制定训练策略,目标是找到最优策略,使得机器人在完成抓取动态物体任务之后获取到最大奖励总和;在强化学习中,通过双重回放缓存机制,机器人能够更高效地从经验中学习;训练改进的深度强化学习控制策略,部署到机器人,进行机器人抓取移动物体的任务。本发明具有在非结构化环境下机器人移动抓取自主决策能力强、环境适应性高、学习效率高的特点。
-
公开(公告)号:CN119808911A
公开(公告)日:2025-04-11
申请号:CN202411847689.1
申请日:2024-12-16
Applicant: 贵州大学
IPC: G06N5/022 , G06V20/70 , G06V10/28 , G06V10/762
Abstract: 本发明的一种基于图像驱动的产品知识图谱构建方法,包括:产品知识图谱本体构建;根据所述蜡染产品的本体类和本体关系,构建蜡染产品本体框架,结合预处理的产品图像数据,进行图像驱动的蜡染产品知识图谱的构建,包括实体获取与关系获取;获取实体集合E,表示为E=EIMG U ETEXT,其中EIMG表示图像实体,包括产品、纹样、代表性纹样实体,ETEXT表示文本型的实体,包括主题、布局、纹样种类实体;产品知识图谱可视化;针对组成关系的自动更新,从蜡染产品图像中自动提取出纹样,基于目标检测技术进行实现。本发明具有通过和图像数据相结合构建知识图谱的特点。
-